-
公开(公告)号：CN110443282B
公开(公告)日：2022-02-15
申请号：CN201910605282.0
申请日：2019-07-05
Applicant: 华中科技大学
Abstract: 本发明涉及一种胚胎时序图像中的胚胎发育阶段分类方法，包括：获取胚胎发育过程的M张时序待测图像并依次输入单输入多输出卷积神经网络，得到每张待测图像输入下包括该张待测图像的相邻m张待测图像一一对应的m个概率序列，m
-
公开(公告)号：CN110782876A
公开(公告)日：2020-02-11
申请号：CN201910999055.0
申请日：2019-10-21
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于语音情感计算的无监督主动学习方法，属于情感计算领域。相比于现有的用于语音情感计算的有监督主动学习方法需要已知少量真实标签并需要和人工专家多次交互，本发明通过多步迭代优化，每轮迭代依次优化待打标样本集Sc中的样本，每次只优化一个样本，每轮迭代中每个样本只优化一次，来选择少量最有价值的待打标样本，使得这些样本能够更好地代表样本集中的所有样本，不需要任何已知标签或现有回归模型，适用于完全无标签的语音数据集，也不需要与专家多次交互，可以一次性向专家提供所有待打标语音样本，限制条件更少，适用范围更广，使用更方便。
-
公开(公告)号：CN109684076A
公开(公告)日：2019-04-26
申请号：CN201811434588.6
申请日：2018-11-28
Applicant: 华中科技大学
Abstract: 本发明公开了一种适用于云计算系统的多任务处理方法，包括：分别为每一个任务随机生成一个包含n个个体的种群；若满足终止条件，则获得当前各种群中的最优个体并解码，将解码结果作为对应任务的最优解，多任务处理结束；否则，依次对每一个任务执行以下步骤：对于任务Ti，从其余任务的种群中获得 个待迁移个体，从而得到由种群pi中最优的ni个个体和 个待迁移个体组成的父代种群 对父代种群 执行遗传操作，得到子代种群Oi，并得到由种群pi和子代种群Oi组成的混合种群Mi；利用混合种群Mi中最优的n个个体更新种群pi；当前迭代完成后，转入判断是否满足终止条件的步骤。本发明能够提高云计算系统中多任务处理的效率和鲁棒性。
-
公开(公告)号：CN119719914A
公开(公告)日：2025-03-28
申请号：CN202411926674.4
申请日：2024-12-25
Applicant: 华中科技大学
IPC: G06F18/241 , A61B5/374 , A61B5/00 , G06F18/213 , G06F18/15 , G06F18/10 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种跨设备脑电分类模型的构建方法、脑电分类方法及系统，属于脑电数据分类技术领域；采用特征提取模块和M个源域特征提取模块分别提取来自目标设备的目标域脑电数据和来自M个来自不同源域设备的源域脑电数据的异构特征，通过对不同域设置一个与其对应的特征提取模块，能够将本不属于同一特征空间的脑电数据映射到同一维度的隐特征空间中，再采用公用的共享特征提取模块进一步进行共享特征提取，确保了隐特征空间中特征在所有域中的一致对齐。在此基础上，通过最大化将同类异域类心差异与异类异域类心差异之间的差异和最小化分类损失对模型进行训练，实现了对来自不同设备的脑电数据的对齐，提高了对跨设备脑电数据分类的准确性。
-
公开(公告)号：CN118821870A
公开(公告)日：2024-10-22
申请号：CN202410799629.0
申请日：2024-06-20
Applicant: 华中科技大学
IPC: G06N3/049 , G06N3/0442 , G06N3/045 , G06N3/09
Abstract: 本发明属于增量学习技术领域，公开了一种用于任务增量学习的脉冲神经网络模型构建方法，脉冲神经网络的门控参数神经元层包括：突触电流计算单元用于基于上一层各神经元发放的屏蔽后的脉冲计算t时刻输入神经元的突触电流#imgabs0#屏蔽掩码生成单元用于为每个任务随机生成屏蔽掩码#imgabs1#屏蔽后的膜电压计算单元用于将#imgabs2#与膜电压vt相乘，得到t时刻屏蔽后的膜电压#imgabs3#脉冲发放模块用于基于#imgabs4#和#imgabs5#所得到的门控值计算隐态膜电压，以确定神经元是否发放脉冲st；屏蔽后的脉冲计算单元用于计算发放的屏蔽后的脉冲#imgabs6#并将#imgabs7#传递给下一层各神经元。本发明能够缓解任务增量学习中脉冲神经网络的灾难性遗忘问题，以提升模型的分类精度。
-
Patent Agency Ranking
公开(公告)号：CN118626944A
公开(公告)日：2024-09-10
申请号：CN202410826177.0
申请日：2024-06-25
Applicant: 深圳华中科技大学研究院
IPC: G06F18/2411 , G06F18/2132 , G06F18/213 , G06F18/2451 , G06N3/0464 , G06N3/0499 , G06N3/084
Abstract: 本发明提供一种基于再训练的运动想象识别方法、装置和设备，涉及计算机技术领域，其中，运动想象识别方法包括：获取CSP滤波器基准参数和目标分类器基准参数；CSP滤波器基准参数与CSP滤波器的性能参数相关；目标分类器基准参数为基于样本数据训练得到的满足精度需求的目标分类器对应的参数；基于所述CSP滤波器基准参数和所述目标分类器基准参数对预设神经网络的特征提取器和特征分类器分别进行初始化处理，得到第一神经网络；利用梯度下降算法对所述第一神经网络进行优化，得到目标神经网络；将待识别的运动想象EEG数据输入至所述目标神经网络，获取运动想象类别，实现基于传统CSP模型的专家知识和额外分类知识的结合，提高了对运动想象的识别精度。
-
公开(公告)号：CN114879838A
公开(公告)日：2022-08-09
申请号：CN202210420053.3
申请日：2022-04-20
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于脑机接口的元学习方法、脑电信号识别方法及装置，属于脑机接口与机器学习领域，方法包括：S1，获取包含M个源域用户数据的数据集，M＞2；S2，将数据集中的源域用户数据随机两两组合，得到M/2组源域用户数据组，对于每组源域用户数据组，利用其中一个源域用户数据更新脑机接口模型的模型参数，并在另一个源域用户数据上计算更新后的脑机接口模型的损失；S3，计算S2中得到的各损失的平均损失，并根据平均损失对S2中更新前的脑机接口模型的模型参数进行更新；S4，重复执行S2‑S3，直至更新后的脑机接口模型的损失函数收敛，并输出最后一次更新得到的脑机接口模型。保护源域数据隐私，提升源域模型质量。
-
公开(公告)号：CN112396094B
公开(公告)日：2022-05-20
申请号：CN202011204366.2
申请日：2020-11-02
Applicant: 华中科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种同时用于情感分类和回归的多任务主动学习方法和系统，属于情感计算领域。本发明结合主动学习分类方法在EC任务上，和主动学习回归方法在ER任务上对于无标签样本的价值度量，得到主动学习在多个任务上对于无标签样本总的价值度量，同时挖掘类别型情感和维度型情感的信息，从而只需选择尽可能少的样本进行标注，即可同时训练得到具有良好性能的EC模型和单个或多个维度上的ER模型，实验验证，在相同的询问次数下，本发明提出的方法比起单任务的主动学习方法训练得到的EC模型和多个维度的ER模型具有更好的性能，极大地减少了标注代价。
-
公开(公告)号：CN114021626A
公开(公告)日：2022-02-08
申请号：CN202111233132.5
申请日：2021-10-22
Abstract: 本发明公开了一种带有后门的机器学习模型的训练方法及装置、电子设备，属于人工智能安全领域。该方法包括：从训练数据中选择P个样本作为待污染样本；将后门触发器加入所述待污染样本中并将待污染样本的标签修改为目标类别，得到P个污染样本；将P个污染样本和其它未被污染的训练数据作为机器学习模型的输入，训练得到带有后门的机器学习模型。本发明采用主动污染方法，选择最有利于潜在后门模式学习的部分原始训练样本作为待污染样本，攻击者在选择的样本上加入后门触发器进行污染，从而只需选择少量的样本进行污染。在相同的污染率下，本发明提出的主动污染方法比起随机选择进行后门攻击的攻击成功率更高，增大了后门攻击的隐蔽性和威胁性。
-
公开(公告)号：CN110764958B
公开(公告)日：2020-09-18
申请号：CN201910896360.7
申请日：2019-09-24
Applicant: 华中科技大学
IPC: G06F11/22
Abstract: 本发明公开了一种基于EEG的脑机接口回归系统白盒目标攻击方法，属于脑机接口安全领域。包括：获取基于EEG的脑机接口回归系统中的回归模型；获取输入到回归模型的原始样本；针对回归模型设计目标函数，并确定最终优化函数；寻找使最终优化函数最小的对抗扰动；将对抗扰动叠加到原始样本x，得到对抗样本x′。本发明将分类问题中的白盒目标攻击转化为回归问题中的白盒目标攻击时，定义实施白盒目标攻击要求为g(x′)‑g(x)≥t，提出基于两种原理不同的方法检验脑机接口回归系统的抗干扰能力和安全性，通过优化的方法去寻找对抗样本，能够生成高质量的对抗样本；通过梯度误差信息来寻找对抗样本，能够快速地生成对抗样本。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.024 seconds)
